Psychological Health of Surgeons in a Time of COVID-19
Notice bibliographique
Résumé
OBJECTIVE: To assess the degree of psychological impact among surgical providers during the COVID-19 pandemic. SUMMARY OF BACKGROUND DATA: The COVID-19 pandemic has extensively impacted global healthcare systems. We hypothesized that the degree of psychological impact would be higher for surgical providers deployed for COVID-19 work, certain surgical specialties, and for those who knew of someone diagnosed with, or who died, of COVID-19. METHODS: We conducted a global web-based survey to investigate the psychological impact of COVID-19. The primary outcomes were the depression anxiety stress scale-21 and Impact of Event Scale-Revised scores. RESULTS: A total of 4283 participants from 101 countries responded. 32.8%, 30.8%, 25.9%, and 24.0% screened positive for depression, anxiety, stress, and PTSD respectively. Respondents who knew someone who died of COVID-19 were more likely to screen positive for depression, anxiety, stress, and PTSD (OR 1.3, 1.6, 1.4, 1.7 respectively, all P < 0.05). Respondents who knew of someone diagnosed with COVID-19 were more likely to screen positive for depression, stress, and PTSD (OR 1.2, 1.2, and 1.3 respectively, all P < 0.05). Surgical specialties that operated in the head and neck region had higher psychological distress among its surgeons. Deployment for COVID- 19-related work was not associated with increased psychological distress. CONCLUSIONS: The COVID-19 pandemic may have a mental health legacy outlasting its course. The long-term impact of this ongoing traumatic event underscores the importance of longitudinal mental health care for healthcare personnel, with particular attention to those who know of someone diagnosed with, or who died of COVID-19.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».